基于RetinaNet模型的梨小食心虫智能识别计数方法

来源：江苏农业科学杂志2021年第第24期北京时间：

作者：陈恩会; 褚姝频; 王炜; 程大勇; 李兴东; 赵银娣

单位：1.江苏省徐州市植保植检站，江苏徐州 221018； 2.江苏省植物保护植物检疫站，江苏南京 210036；3.江苏省新沂市植物保护总站，江苏新沂 221400； 4.江苏省徐州市铜山区植物保护站，江苏徐州 221116；5.中国矿业大学环境与测绘学院，江苏徐州 221116

摘要：针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题，基于RetinaNet深度学习目标检测模型，构建了一种普适性更广的梨小食心虫智能识别计数方法。试验结果表明，RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93%，平均计数准确率达95.62%，且该方法对拍摄条件要求低，普适性广，优于Faster R-CNN目标检测模型，完全可以在梨小食心虫监测调查中替代人工进行分类计数。

关键词：RetinaNet模型;梨小食心虫;目标检测;智能识别;计数